0

情况如下：

我想将直方图描述为几个分布的总和，从而将这些分布拟合到该直方图上。在 ROOT/C++ 中这很明显，但我在 R 中寻找等价物。这是一个不言自明的示例：

## SUM OF TWO GAUSSIANS OF DIFFERENT WIDTHS
x=rnorm(n=1000,mean=0,sd=1)
y=rnorm(n=1000,mean=0,sd=3)
z=append(x,y)
b=seq(-10,10,by=0.25)
hist(z,breaks=b)

在这种情况下，单个贡献 (x) 和 (y) 是已知的，我可以使用内核提取它们的密度曲线：

## NARROW GAUSSIAN
hist(x,prob=T,breaks=b)
dx=density(x,ker="epan")
lines(dx,col=3,lwd=2)

## WIDE GAUSSIAN
hist(y,prob=T,breaks=b)
dy=density(y,ker="epan")
lines(dy,col=2,lwd=2)

我想做类似 z~dx+dy 的事情

其中 dx 和 dy 的分数将是要拟合的参数。查看 R 文档，我只发现了对单一回归和平滑的引用。

有没有人有线索或同情的联系？

在此先感谢，X。

4

1 回答 1

0

我找到了一种方法，但忽略了内核：

x=rnorm(n=10000,mean=0,sd=1)
y=rnorm(n=10000,mean=0,sd=3)
z=append(x,y)
x=subset(x,abs(x)<=10)
y=subset(y,abs(y)<=10)
z=subset(z,abs(z)<=10)
hx=hist(x,prob=T,breaks=b)
hy=hist(y,prob=T,breaks=b)
hz=hist(z,prob=T,breaks=b)

lm(公式=as.formula(hz$intensities~hx$intensities+hy$intensities))

调用： lm(formula = as.formula(hz$intensities ~ hx$intensities + hy$intensities))

系数：（截距）hx$intensities hy$intensities
4.344e-17 5.002e-01 4.998e-01

这假设模板直方图是可靠的（足够的条目，相关的分箱）。同时，我将进一步研究如何将其应用于内核的拟合，因为 lm(formula=as.formula(hz$intensities~dx$y+dy$y)) lm(formula=as.formula(z ~dx$y+dy$y)) 最终出现错误：可变长度不同（为 'dx$y' 找到）

因为内核是根据完整集 (x) 而不是直方图 hx 估计的。

谢谢，马萨诸塞州的问候！

于 2013-11-06T10:58:38.903 回答